基于近红外光谱定量分析植物水解蛋白掺假牛奶

植物水解蛋白是一种典型的蛋白质含氮掺假物质,被不法商贩作为廉价的蛋白质添加到牛奶中以提高其蛋白质含量。本研究自行配置不同浓度的植物水解蛋白掺假牛奶,应用近红外光谱分析仪漫反射模块直接扫描掺假样品,同时使用透射分析模块扫描三氯乙酸前处理的掺假样品;应用TQ软件分别建模并比较两种方法差异。结果表明:使用一阶导数Norris Derivative滤波预处理,在8000~5000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白漫反射定量分析模型,RMSEC、RMSEP和R分别为0.224、0.214和0.98414,平均回收率为93.2479%。使用一阶导数Norris Derivative滤波预处理,在10000~7000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白透射定量分析模型,RMSEC、RMSEP和R分别为0.175、0.138和0.99036,平均回收率为98.7351%。经过三氯乙酸处理的透射模型更加精确和稳定,可以用于牛奶中植物水解蛋白的检测,可以为牛奶品质控制和快速定量提供参考。     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

利用近红外光谱分析方法建立妙府老酒酒精度和总酸模型

该文利用近红外(NIR)透射光谱分析技术结合偏最小二乘法(PLS)建立了妙府老酒酒精度与总酸的定量检测模型,并以该模型对未知黄酒样品的酒精度与总酸含量进行预测,验证模型的可靠性.酒精度建模结果:决定系数为90.36％、均方差为0.043;酒精度建模结果:决定系数为和96.73％,均方差为0.121;外部检验的预测均方差分别为0.058和0.081;结果表明该方法应用于黄酒品质的检测,操作简便、快速、准确.为妙府老酒的现场、即时快速定量分析提供了一种新方法,同时也为生产过程中的在线质量监控奠定了基础.     

北虫草中虫草素的NIR快速定量测定

应用近红外光谱(NIR)和偏最小二乘法(PLS),建立了北虫草中虫草素的定量分析校正模型。分别采集北虫草子实体的近红外光谱图,应用TQ化学计量学分析软件,对不同化学计量学处理方法进行了比较,并对光谱区域,光谱预处理方法,主成分因子数进行筛选。依据预测效果确定了最佳的校正模型,虫草素含量的预测结果与HPLC检测结果的相关系数为0.9919,校正模型的定标均方差(RMSEC)为102 mg/kg、预测均方差(RMSEP)为281 mg/kg。本方法操作简便,快速无损,可用于北虫草中虫草素含量的快速检测。     

基于主成分分析法提取高光谱图像特征检测香肠亚硝酸盐含量

针对香肠中硝酸盐含量,提出基于高光谱的无损快速检测。采集400~1 000 nm范围内45组香肠样品高光谱数据,进行主成分分析(principal component analysis,PCA),择优选取主成分图像3(principal component 3,PC3)作为研究对象,并得到4个特征波长,分别为402.47、483.04、642.27、961.82 nm。通过特征波长与波谱对比,最终采用800~950 nm范围内的波长进行亚硝酸盐定量分析建模。结合样品感兴趣区域平均光谱和理化检验结果,采用偏最小二乘回归和遗传算法优化的人工神经网络进行定量分析建模。结果显示:偏最小二乘回归模型的决定系数R~2为0.899,交互验证均方根误差(root mean square error of cross-validation,RMSECV)为0.291,遗传算法优化的神经网络模型的决定系数R~2为0.918,RMSECV为0.365,随着样品数增多,神经网络的建模效果会越来越优于偏最小二乘回归建模。     

锦氨内衣纤维含量近红外光谱法快速定量分析

文中通过选用锦氨内衣交织面料,分析面料中锦纶、氨纶不同的光谱特征并筛选合适的建模光谱,比较不同预处理方法建模效果的差异性并筛选最优建模参数,剔除异常样品选择校正和验证样品集,建立了锦氨交织面料纤维含量近红外快速定量分析模型。结果表明,对近红外光谱数据进行归一化处理后,选用光程类型恒定模式,在光谱区域4 477.9～8 944.2 cm~(-1),以偏最小二乘法采用8个主成分数建立了锦氨交织面料定量分析模型,模型的校正均方根误差(RMSEC)为0.583,相关系数Rc~2为0.994 0,残差范围为-1.5～1.5,预测值与参考值比较接近,模型预测效果较好,满足锦氨内衣纤维含量快速测试的需求。     

不同胎次奶牛乳中乳蛋白含量的近红外光谱定量分析

对不同胎次奶牛的牛奶样品进行近红外光谱扫描,并用多功能乳制品分析仪对牛奶样品中蛋白质的含量进行测定。利用正交实验设计,分别采用主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)三种定量校正方法和多种光谱预处理方法建立模型,利用目标函数法对模型进行评定,结果表明:一胎、二胎奶牛乳样中乳蛋白的最优模型相同,其校正相关系数(R2)、定标标准差(SEC)和预测标准差(SEP)分别为:0.9626、0.0531、0.0630和0.9377、0.0810、0.1100;建立了三胎及以上奶牛乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9406、0.0461和0.0500;同时,建立了所有乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9351、0.0687和0.0790。所建模型对于快速、准确、无损、定量检测原料奶中乳蛋白的含量是可行的,该方法为快速检测混合原料奶中乳蛋白含量提供了理论依据。     

NIR技术快速鉴定牛奶品牌与掺假识别

采用近红外(NIR,near-infrared)漫反射光谱法分析了源自4个厂家的不同品牌、不同种类的224个牛奶及还原奶样品,每个样品重复装样3次采集光谱,采用主成分分析法对其进行聚类分析,以此建立牛奶的品种鉴定及掺假识别模型。结果表明:当主成分数目为3时,拟合模型累积贡献率可达98.98%,可以实现对不同品牌的牛奶及掺假牛奶的正确识别,该方法方便、快速、准确,为近红外分析技术在牛奶品种鉴别分析中的应用提供可行性依据。     

基于列文伯格-马夸尔特-反向传播人工神经网络的X射线荧光光谱定量分析方法

目的建立一种基于列文伯格-马夸尔特-反向传播人工神经网络(Levenberg-Marquardt back-propagation artificial neural networks,LM-BP-ANN)的X射线荧光光谱(XRF)的定量检测分析方法。方法采集84个土壤样品光谱数据,预处理后应用主成分分析(PCA)提取特征参数,随机选取训练集、校正集、预测集样品个数分别为42、21、21。以均方差(MSE)、校正决定系数(R~2)、校正标准差(SEC)、验证决定系数(r~2)、预测标准差(SEP)和相对预测误差(RPD)为评价指标,同时分析比较LM-BP-ANN、BP-ANN、PLS三种算法的建模结果,并利用模型预测土壤重金属含量。结果实验确定隐含层神经元数目、学习率和迭代次数值依次为:6、0.1和8,3种建模方法中LM-BP-ANN效果最优,模型的相关系数高于0.98,表明模型有效。结论模型分析快速,可用于实际土壤样品中重金属含量的检测,对于改进X射线荧光光谱仪的检测准确度有着重要的意义。     

衰减全反射中红外光谱测定马铃薯中可溶性蛋白含量

傅里叶变换衰减全反射红外光谱法是一种快速无损绿色的分析技术,结合化学计量学和数学建模可对混合物进行定性、定量分析。本研究利用衰减全反射中红外光谱建立测定马铃薯中可溶性蛋白含量的方法,以满足选育高蛋白质含量马铃薯的快速测定,提高快速鉴定育种品系品质的目的。采用平滑降噪和导数基线矫正的方法预处理数据,选择1 700～600 cm~(-1)波段作特征光谱,提取主成分并逐步回归建模。结果表明7点平滑后一阶导数处理数据,能较准确地测定马铃薯中可溶性蛋白的含量,对于验证集的预测,其中70. 37%预测值偏差小于20%,对于鲜重蛋白质含量在5 mg/g以上的14个样品的预测,高达92. 86%预测值偏差小于20%,说明能准确快速鉴定高蛋白品系。     

淀粉液化液葡萄糖当量值的近红外快速检测

为解决淀粉工业中淀粉液化液葡萄糖当量(Dextrose Equivalent,DE)值的化学检测方法繁琐复杂问题,研究近红外光谱(near infrared spectroscopy,NIRS)快速检测淀粉液化液DE值的方法。取88个淀粉液化液作为样本,扫描得到近红外光谱图,分为72个初始样本校正集,10个初始样本预测集,剔除6个问题样品,研究了运用多元散射校正(Multiplicative signal correction,MSC)、标准正态变量变化(Standard normal variate,SNV)、平滑(smoothing)、多项式平滑(Savitzky-Golay卷积平滑,SG)、一阶导数(1st derivative,1D)、二阶导数(2nd derivative,2D)等不同预处理方法和偏最小二乘法(partial least squares,PLS)、主成分回归法(principal component regression,PCR)组合的建模效果。计算分析结果表明:多元散射校正结合一阶导数与偏最小二乘法算法建模的初始模型稳定性和预测能力较好;近红外DE值模型的主成分因子数、交叉验证均方差(RMSEC)、交叉验证决定系数(R_C)、预测均方差(RMSEP)、预测决定系数(R_P)依次为:3、1.53、0.9723、1.44、0.9746。因此该NIRS检测方法快速简便,可用于淀粉液化液DE值的快速检测。     

近红外光谱结合偏最小二乘法快速测定糖果中水分含量

采用近红外光谱(NIR)结合偏最小二乘法(PLS)建立了一种糖果中水分含量快速准确的测定方法。在12500~3600 cm-1光谱范围内采集116批糖果的近红外漫反射光谱,并用减压干燥失重法测定其水分含量。通过比较不同参数对建模的影响,发现用多元散射校正法进行预处理,在11682.2~9826.1、8939.0~6267.9、5378.8~4487.8 cm-1光谱范围内,主成分数为15时,应用PLS方法建立的糖果水分的定量分析模型效果最佳。所建立模型的相关系数为0.9716,校正均方根误差和验证均方根误差分别为0.97%和1.03%。该方法结果准确可靠、操作简便,可用于糖果中水分含量的快速检测。     

Elman网络近红外光谱技术同时测定鲜乳中三种主成分含量

采用Elman神经网络(反馈神经网络,Recurrent Network)结合近红外光谱技术建立鲜乳中的脂肪、蛋白质、乳糖定量分析模型.用偏最小二乘法(Partial Least SqHales.PUS)将原始数据压缩主成分,取前3个主成分的14个吸收峰值输入Elman网络,网络中间层神经元个数为53.Elman网络模型对样品中3个组分含量的预测决定系数(R2)分别为:0.985、0.951、0.967,表明所建Elman网络预测模型能够较准确预测鲜乳中脂肪、蛋白质和乳糖的含量,从而为近红外光谱的多组分定量分析提供了新思路.     

采用非线性化学指纹图谱技术测定羊奶中掺杂牛奶的含量

为解决定量分析羊奶中掺杂牛奶的含量这一难题,提出一种非线性化学指纹图谱信息回归测定法。先测定具有不同掺杂量奶品标样的非线性化学指纹图谱,并确定其诱导时间与掺杂牛奶含量之线性校正模型,然后用此校正模型和奶品试样指纹图谱诱导时间测定值计算奶品中掺杂牛奶的含量,最后根据牛奶含量来鉴别奶品是纯羊奶、牛奶、还是掺杂了牛奶的奶品,以及定量评价掺杂量。将此方法用于5种二元奶品验证样中牛奶和羊奶含量分析的结果表明,测定的RSD≤2.1%,回收率在97.3%~102%。非线性化学指纹图谱信息回归法重现性好、准确度高,是一种切实可行的快速测定二元奶品中羊奶和牛奶的含量,以及准确鉴别羊奶、牛奶和定量评价其质量的方法,也可作为其他复杂样品群集成分定量分析方法研究借鉴的手段。     

小种红茶水浸出物近红外定量分析模型的建立

为实现近红外光谱技术在小种红茶中的快速无损检测,对76份有代表性的小种红茶按现行国家标准测定其水浸出物含量,采集样品的近红外光谱,采用OPUS 7.5软件,结合偏最小二乘法(partial least squares,PLS)建立小种红茶水浸出物含量的近红外定量分析模型。结果表明,所建立的水浸出物定量模型决定系数R2为95.73%,校正均方差(root mean square error of calibration,RMSEC)为0.629,验证均方差(root mean square error of prediction,RMSEP)为0.513。所建立的小种红茶水浸出物含量的近红外定量分析模型较为成功,模型预测效果较好,能够对小种红茶中水浸出物的含量进行快速地分析。     

新陈玉米的拉曼光谱快速判别研究

本文采用拉曼光谱结合判别分析方法对新陈玉米进行了判别研究。在河南省内收集郑单958新陈玉米样品共75份,粉碎过筛后置于样品袋中,使用光纤直接采集他们的拉曼光谱。对原始光谱进行多项式平滑滤波、基线校正及一介导数处理后,首先运用主成分马氏距离判别分析方法建立了判别模型,主成分数为9,光谱建模范围为914~1369 cm-1时模型结果最优,此时建模集总正确判别率为92.7%,验证集总正确判别率为90%。然后运用偏最小二乘判别分析方法建立了相应的识别模型,当建模因子数为7,采用全谱建模时结果最优,此时建模集样品正确判别率为100%,验证集样品正确判别率为95%。偏最小二乘判别分析方法正确识别率较高,结果表明拉曼光谱可以应用于玉米新陈度的快速识别,在粮食储藏品质评价中具有极大的应用潜力。     

近红外光谱技术快速无损测定干辣椒的辣度

采用高效液相色谱测定干辣椒样品中的辣椒碱和二氢辣椒碱含量,利用透反射模式采集干辣椒样品的近红外光谱,采用偏最小二乘法(PLS)建立干辣椒样品的辣度评价的校正模型,并对模型用于预测。结果表明,筛选出建模光谱波段为9000～4000cm-1;通过残余方差(RVV)分析,确定了最适主成分数为8;干辣椒的辣度PLS评价模型的定标集和验证集的相关系数(RC,RV)分别为0.9871、0.9104,定标集和验证集的标准差(SEC,SEP)分别为2445、3976。研究发现,近红外光谱法作为一种快速而准确的定量分析手段,在干辣椒及其制品的辣度评价方面有广阔的应用前景。     

基于中红外漫反射光谱技术测定精米中直链淀粉含量的研究

研究了基于傅里叶中红外漫反射光谱(DR-FTIR)技术结合偏最小二乘法(PLS)、主成分分析法(PCR)、经典最小二乘法(CLS)、逐步多元线性回归法(SMLR)快速测定精米中直链淀粉含量。实验选取了161个精米样品作为研究对象,通过光谱预处理,异常值剔除,波谱区间选择对模型进行了优化。结果表明:采用PLS建模,通过多元散射校正,向后区间偏最小二乘法预处理后,所构建的模型效果最优。此时,建模区间为3 800~3 500、3 100~3 000、2 900~2 400、2 300~1 300、1 000~900 cm~(-1),模型相关系数R为0.995 6,校正均方差为0.291,预测均方差为1.23;同时,实验另选了34种精米样品对模型进行了准确性验证。结果显示验证集样品的红外预测值与真实值高度相关,线性拟合方程为Y=0.994X+0.068,相关系数R为0.994 9,说明实验所开发的直链淀粉DR-FTIR模型是有效的,预测结果准确度好,模型稳定性高。     

蜂蜜中还原糖组分的近红外光谱应用研究

为探索快速测定还原糖含量的方法,提出了用傅立叶变换近红外光谱技术结合偏最小二乘法(PLS)建立近红外光谱与蜂蜜还原糖含量的数学模型并进行预测。通过光谱扫描还原糖含量在61.3%～75.22%范围的蜂蜜样本,选择11992.1～7494.6cm-1波数范围、二阶导数、及10个因子数进行光谱预处理,偏最小二乘法(PLS)交叉验证。结果表明,模型的校正决定系数(Rcal)、校正均方差(RMSEE)、交叉验证决定系数(RCV)、交叉验证均方差(RMSECV)分别为99.71%、0.27%、98.44%、0.45%。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异。因此,用该方法快速准确定量分析大批蜂蜜中的还原糖含量具有重要意义。     

牛皮水解蛋白质氨基酸评分及其危害分析

为评价婴儿配方乳粉掺假成分——牛皮水解蛋白质对婴儿健康的潜在危险性，对牛皮水解蛋白质的氨基酸进行评分并分析了污染物指标。采用半定量方法对在阜阳抽检的60份婴儿配方乳粉中牛皮水解蛋白质的情况进行了检测与评估。结果发现，与乳粉相比，牛皮水解蛋白质甘氨酸含量高，含硫氨基酸等必需氨基酸含量普遍低。以FAO／WHO推荐的婴儿氨基酸模式为100，牛皮水解蛋白质氨基酸评分仅为19。污染物指标未见超标。在60份抽检乳粉中，70％的样品蛋白质总量不合格，约40％的样品不同程度地掺有牛皮水解蛋白质，提示劣质乳粉蛋白质“质”、“量”均存在问题。建议加强食品营养学指标的监测和掺假成分的快速鉴别方法的研究。